1樓：石頭王石頭
橫座標代表頻率，縱座標代表幅值，例如：
y=fft(x);
f=(0:length(x)-1)*n/length(x);
plot(f,abs(y));
希望能幫助你，如有什麼問題可以繼續問我
2樓：地獄咆哮
橫座標頻率所對應的大小
3樓：匿名使用者
代表橫軸頻率一一對應的該頻率的幅值
給分吧。謝謝！
matlab中如何對一組資料進行fft變換後得到頻譜圖？？
4樓：用著追她
1、直接對其使用來ceil函式，源
可以向上取整：即大於等於給定數bai據的最du小整數。
2、使用zhifloor函式可以進行向下取dao整。如圖，將矩陣a中的每個元素取小於等於該元素的最大整數。
3、使用fix函式則可以去除小數部分。對於大於0的元素相當於floor，對於小於0的元素相當於ceil。
4、使用round函式可以把資料四捨五入到最近的整數。
5、round還可以帶有第二個引數，精確到位數。負數表示四捨五入到小數點左側多少位，正數表示小數點右側。0表示精確到個位，預設。
6、當round帶有第三個引數'significant'時，第二個參數列示精確位數。如圖表示每個元素均取2位有效數字。
5樓：手機使用者
將那個i輸出線分0一t支q出來輸入i到一b個kto file的模組就好了d，如果要轉到execl中2的話將他們連結就好e┳
對速度訊號進行傅立葉譜分析之後，其縱座標對應的幅值的物理意義是什麼？是速度，還是振幅
6樓：匿名使用者
橫座標是頻率，縱座標是對應頻率成分的幅度。對速度訊號進行傅立葉譜分
析之後，縱座標表示的是不同加速度的幅度。傅立葉原理表明：任何連續測量的時序或訊號，都可以表示為不同頻率的正弦波訊號的無限疊加。
肯定沒有物理意義的，物理定義上沒有負頻率的說法。但是有數學含義，雙邊譜的數學對稱性好，便於分析。——也就是說，便於從頻域作數學計算。（一般都是計算機的高速處理）
7樓：春素小皙化妝品
傅立葉變換在物理學、電子類學科、數論、組合數學、訊號處理、概率論、統計學、密碼學、聲學、光學、海洋學、結構動力學等領域都有著廣泛的應用。例如在訊號處理中，傅立葉變換的典型用途是將訊號分解成頻率譜——顯示與頻率對應的幅值大小。
擴充套件資料
訊號處理最基本的內容有變換、濾波、調製、解調、檢測以及譜分析和估計等。變換諸如型別的傅立葉變換、正弦變換、餘弦變換、沃爾什變換等；濾波包括髙通濾波、低通濾波、帶通濾波、維納濾波、卡爾曼濾波、線性濾波、非線性濾波以及自適應濾波等。
譜分析方面包括確知訊號的分析和隨機訊號的分析，通常研究最普遍的是隨機訊號的分析，也稱統計訊號分析或估計，它通常又分線性譜估計與非線性譜估計；譜估計有周期圖估計、最大熵譜估計等；隨著訊號型別的複雜化，在要求分析的訊號不能滿足高斯分佈、非最小相位等條件時，又有髙階譜分析的方法。
高階譜分析可以提供訊號的相位資訊、非高斯類資訊以及非線性資訊；自適應濾波與均衡也是應用研究的一大領域。自適應濾波包括橫向lms自適應濾波、格型自適應濾波，自適應對消濾波，以及自適應均衡等。此外，對於陣列訊號還有陣列訊號處理等等。
8樓：匿名使用者
問得太好了，還真需要動腦筋。
富氏變換後，橫座標是頻率，縱座標是對應頻率成分的幅度。
由此看來，對速度訊號進行傅立葉譜分析之後，縱座標應當是速度變化率的幅度了。
也就是說，是不同加速度的幅度了。
9樓：陸霞
這個問題困擾了我好多天，今天通過各種測試，我覺得應該是找到了正解。
分享給大家！
以matlab fft變換後的頻譜圖中的某點（f(i),y(i)）
幅值和縱座標y(i)的含義為對應橫座標f(i)頻率出現的次數n*an/2, 其中an為頻率f(i)對應的正弦波的振幅。
下面是測試用的**，大家可以自己試一下！
clf;%對c1-1取樣資料的處理
clear y
clear y
clear t
num=0;
nt=500; %總的步數
na=2;
a=[4,3,1.5,3,0.5,1];
f=[0.2,0.3,3,1.5,2.5,0.5];
owig=f*2*3.1415926;
fai=[0,0,0,0,0,0];
a=a';
f=f';
owig=owig';
fai=fai';
for j=1:1:nt
t(j)=(j-1);%*0.02;
for i=1:1:na
y(i,j)=a(i)*sin(owig(i)*t(j)+fai(i));
endy(j)=sum(y(:,j));
endfor i=1:1:na
subplot(4,2,i);
plot(t,y(i,:));% %繪出隨頻率變化的振幅
% xlabel('f=');title(i);
ylabel(a(i));grid on;
endsubplot(4,2,na+1);
plot(t,y);
am=max(y);
ylabel(am);title('sum');grid on;
fai_y=asin(y(1)/am);
fs=1;
n=nt; %取樣頻率和資料點數
n=1:n;%t=n/fs; %時間序列
x1=y; %訊號
%x1 = detrend(x1); 這是啥啊？？？？
y1=fft(x1,n); %對訊號進行快速fourier變換
mag=abs(y1); %求得fourier變換後的振幅
f=n*fs/n; %頻率序列
t=1./f;
subplot(4,2,na+2);
plot(f,mag)
%plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅
%axis([0 1 0 52000]); % 設定座標軸在指定的區間
xlabel('frequency/hz');
ylabel('amplitude ');%title(name);grid on;
[mp,index] = max(mag); %求最高譜線所對應的下標
f_peak(i)=f(index);
10樓：匿名使用者
傅立葉變換結果通常是複數，可以分別得到對應的幅值和相位值
所以做傅立葉變換之後可以得到兩個譜線圖，分別是幅頻特性曲線，相頻特性曲線。如果是前者縱座標代表幅度，後者縱座標就代表相位。
matlab fft命令將時域->頻域繪出頻譜圖,圖形的縱座標有什麼含義? 20
11樓：匿名使用者
我理解的頻域縱座標就是能量，在某個頻率上的能量。如果要把頻域轉成時域，作反向傅立葉變換就可以了，命令好像是ifft，離散的是idft
以上。路過的老狼
12樓：
y = fft(x,n) returns the n-point dft. if the length of x is less than n, x is padded with trailing zeros to length n
圖形的來縱座標的含義可
源以是功
bai率du
或功率密度或fft變換後zhi
的絕dao對值.
1) y = fft(y,512);
pyy = y.* conj(y);
2) y = fft(y,512);
pyy = y.* conj(y)/512;
3) y = fft(y,512);
pyy=abs(y)
13樓：我是舞三
首先需要有對應的離散資料。
這裡以二維的資料舉例
clc,clear
x=[1 5 3 6 10];
y=[12 16 8 33 20];
plot(x,y,'o')
matlab中進行fft譜分析，如何將頻譜圖的橫座標轉換成頻率？
14樓：楊好巨蟹座
一.呼叫方法
x=fft(x)；
x=fft(x，n)；
x=ifft(x);
x=ifft(x,n)
用matlab進行譜分析時注意：
（1）函式fft返回值的資料結構具有對稱性。
例：n=8;
n=0:n-1;
xn=[4 3 2 6 7 8 9 0];
xk=fft(xn)
→xk =
39.0000 -10.7782 + 6.
2929i 0 - 5.0000i 4.7782 - 7.
7071i 5.0000 4.7782 + 7.
7071i 0 + 5.0000i -10.7782 - 6.
2929i
xk與xn的維數相同，共有8個元素。xk的第一個數對應於直流分量，即頻率值為0。
（2）做fft分析時，幅值大小與fft選擇的點數有關，但不影響分析結果。在ifft時已經做了處理。要得到真實的振幅值的大小，只要將得到的變換後結果乘以2除以n即可。
二.fft應用舉例
例1：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t)。取樣頻率fs=100hz，分別繪製n=128、1024點幅頻圖。
clf;
fs=100;n=128; %取樣頻率和資料點數
n=0:n-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號
y=fft(x,n); %對訊號進行快速fourier變換
mag=abs(y); %求得fourier變換後的振幅
f=n*fs/n; %頻率序列
subplot(2,2,1),plot(f,mag); %繪出隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=128');grid on;
subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=128');grid on;
%對訊號取樣資料為1024點的處理
fs=100;n=1024;n=0:n-1;t=n/fs;
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %訊號
y=fft(x,n); %對訊號進行快速fourier變換
mag=abs(y); %求取fourier變換的振幅
f=n*fs/n;
subplot(2,2,3),plot(f,mag); %繪出隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=1024');grid on;
subplot(2,2,4)
plot(f(1:n/2),mag(1:n/2)); %繪出nyquist頻率之前隨頻率變化的振幅
xlabel('頻率/hz');
ylabel('振幅');title('n=1024');grid on;
執行結果：
fs=100hz，nyquist頻率為fs/2=50hz。整個頻譜圖是以nyquist頻率為對稱軸的。並且可以明顯識別出訊號中含有兩種頻率成分：
15hz和40hz。由此可以知道fft變換資料的對稱性。因此用fft對訊號做譜分析，只需考察0~nyquist頻率範圍內的福頻特性。
若沒有給出取樣頻率和取樣間隔，則分析通常對歸一化頻率0~1進行。另外，振幅的大小與所用取樣點數有關，採用128點和1024點的相同頻率的振幅是有不同的表現值，但在同一幅圖中，40hz與15hz振動幅值之比均為4：1，與真實振幅0.
5：2是一致的。為了與真實振幅對應，需要將變換後結果乘以2除以n。
例2：x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t),fs=100hz,繪製：
（1）資料個數n=32，fft所用的取樣點數nfft=32；
（2）n=32，nfft=128；
（3）n=136，nfft=128；
（4）n=136，nfft=512。
clf;fs=100; %取樣頻率
ndata=32; %資料長度
n=32; �t的資料長度
n=0:ndata-1;t=n/fs; %資料對應的時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %時間域訊號
y=fft(x,n); %訊號的fourier變換
mag=abs(y); %求取振幅
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,1),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=32 nfft=32');grid on;
ndata=32; %資料個數
n=128; %t採用的資料長度
n=0:ndata-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,n);
mag=abs(y);
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,2),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=32 nfft=128');grid on;
ndata=136; %資料個數
n=128; �t採用的資料個數
n=0:ndata-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,n);
mag=abs(y);
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,3),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=136 nfft=128');grid on;
ndata=136; %資料個數
n=512; �t所用的資料個數
n=0:ndata-1;t=n/fs; %時間序列
x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t);
y=fft(x,n);
mag=abs(y);
f=(0:n-1)*fs/n; %真實頻率
subplot(2,2,4),plot(f(1:n/2),mag(1:n/2)*2/n); %繪出nyquist頻率之前的振幅
xlabel('頻率/hz');ylabel('振幅');
title('ndata=136 nfft=512');grid on;
結論：（1）當資料個數和fft採用的資料個數均為32時，頻率解析度較低，但沒有由於添零而導致的其他頻率成分。
（2）由於在時間域內訊號加零，致使振幅譜中出現很多其他成分，這是加零造成的。其振幅由於加了多個零而明顯減小。
（3）fft程式將資料截斷，這時解析度較高。
（4）也是在資料的末尾補零，但由於含有訊號的資料個數足夠多，fft振幅譜也基本不受影響。
對訊號進行頻譜分析時，資料樣本應有足夠的長度，一般fft程式中所用資料點數與原含有訊號資料點數相同，這樣的頻譜圖具有較高的質量，可減小因補零或截斷而產生的影響。
例3：x=cos(2*pi*0.24*n)+cos(2*pi*0.26*n)
（1）資料點過少，幾乎無法看出有關訊號頻譜的詳細資訊；
（2）中間的圖是將x(n)補90個零，幅度頻譜的資料相當密，稱為高密度頻譜圖。但從圖中很難看出訊號的頻譜成分。
（3）訊號的有效資料很長，可以清楚地看出訊號的頻率成分，一個是0.24hz，一個是0.26hz，稱為高解析度頻譜。
可見，取樣資料過少，運用fft變換不能分辨出其中的頻率成分。新增零後可增加頻譜中的資料個數，譜的密度增高了，但仍不能分辨其中的頻率成分，即譜的解析度沒有提高。只有資料點數足夠多時才能分辨其中的頻率成分。
頻譜圖的介紹
頻譜來圖 p n p t 英文 spectrum map聲音訊率與自能量的關bai系用頻譜表示概況 du zhi以橫軸縱軸的波紋方式,記錄dao畫出各種訊號頻率的圖形資料。常見的有振幅頻譜圖和相位頻譜圖。頻譜圖在機械故障診斷系統中用於回答故障的部位 型別 程度等問題。是分析振動引數的主要工具。在實際...
如圖,由圖1通過圖形的變換可以得到圖2觀察圖形的變換
1把 ade繞點d逆時針旋轉90度即可得 a df,這樣就把圖1變換為圖2了 2由旋轉的性專質得ad a 屬d 3,ade a df,a db a df fdb ade fdb 90 在rt a db中,s a db 1 2a d bd 1 2 3 4 6,s ade s bdf s a df s ...
週期訊號與非週期訊號的頻譜圖有什麼差別
差別 週期訊號的頻譜是一條一條的線,最低的那條就是基波了。非週期訊號專的頻譜是連片的 屬。聲音訊率與能量的關係用頻譜表示，以橫軸縱軸的波紋方式，記錄畫出各種訊號頻率的圖形資料。在實際使用中，頻譜圖有三種，即線性振幅譜 對數振幅譜 自功率譜。線性振幅譜的縱座標有明確的物理量綱，是最常用的。對數振幅譜中...